IBM Watson Knowledge Studio ist seit kurzem auf Bluemix Experimental verfügbar.
Über Watson Knowledge Studio (WKS) können wir den verschiedenen Watson Services beibringen wie domänenspezifische Begriffe und Zusammenhänge in unstrukturiertem Text interpretiert werden können.
Was sind die Vorteile des Umzugs auf Bluemix? Wie sieht die neue Version aus?
Nach dem wir in den vorherigen Teilen dieser Serie über maschinelles Lernen mit WKS ein Textanalysemodell trainiert haben, möchte ich in diesem Artikel beschreiben wie wir dieses Modell nun in den verschiedenen IBM Watson Diensten anwenden können um damit eine große Anzahl von Texten zu verstehen.
Für das maschinelle Lernen selbst haben wir IBM Watson Knowledge Studio (WKS) verwendet. Watson Knowledge Studio bietet uns einen intuitiven Weg Expertenwissen vom Menschen auf ein Textanalysemodell zu übertragen.
Das fertig trainierte Textanalysemodell können wir nun in verschiedenen IBM Watson Diensten einsetzen. Unser System hat gelernt was für uns wichtige Begriffe und Zusammenhänge sind und kann dieses Wissen auf eine große Menge von neuen Inhalten anwenden, diese lesen und verstehen und die für uns wichtigen Informationen extrahieren.
Und das natürlich viel schneller als wenn wir selbst jeden dieser Texte lesen müssten.
Dazu können wir entweder cloudbasierte Dienste verwenden oder wir können die Verarbeitung auch komplett „On Premise“ auf einer eigenen Infrastruktur laufen lassen.
IBM Watson Knowledge Studio (WKS) bietet uns einen intuitiven Weg Expertenwissen vom Menschen auf eine Maschine zu übertragen.
Nach dem die Fachexperten die relevanten Begriffe und Zusammenhänge in den Trainingsdokumenten markiert haben können wir über Watson Knowledge Studio mit diesem Grundwissen ein Modell trainieren (überwachtes maschinelles Lernen / supervised machine learning).
Im diesem Artikel möchte ich beschreiben wie das maschinelle Lernen in WKS funktioniert und wie wir das trainierte Modell überprüfen und verbessern können.
Machine Learning Modell trainieren mit Watson Knowledge Studio weiterlesen
IBM Watson Knowledge Studio (WKS) bietet uns einen intuitiven Weg Expertenwissen vom Menschen auf eine Maschine zu übertragen.
Dieser Wissenstransfer findet statt in dem die Fachexperten in Beispieldokumenten die wichtigen Begriffe und Zusammenhänge markieren. Ähnlich wie wenn man mit einem Textmarker durch einen Text geht und die wichtigen Stellen farblich hervorhebt. In WKS wird dieser Schritt „Human Annotation“ genannt.
Ergebnis dieser Annotationen ist das sogenannte „Ground Truth“, das Grund- oder Basiswissen für unser System.
Mit diesem Grundwissen wird dann ein Modell trainiert (überwachtes maschinelles Lernen / supervised machine learning). Das System lernt die wichtigen Begriffe und ihre Zusammenhänge im Text zu erkennen und kann dieses gelernte Wissen dann auf neue, unbekannte Texte anwenden.
In diesem Artikel beschreibe ich wie wir in Watson Knowledge Studio dieses Grundwissen für unser System erstellen können.
Wissenstransfer vom Mensch zur Maschine mit IBM Watson Knowledge Studio weiterlesen
Der erste Schritt in einem Textanalyseprojekt mit IBM Watson Knowledge Studio (WKS) sollte der Entwurf eines Typsystems sein.
Das Typsystem beschreibt welche Begriffe (Entitäten) und welche Zusammenhänge (Relationen) später durch das trainierte Modell aus dem Text extrahiert werden sollen.
Eine der grundlegenden Voraussetzungen um ein Typsystem zu entwerfen ist es die fachliche Domäne und das Geschäftsproblem des Kunden zu verstehen.
Daher sind am Anfang eines WKS Projektes in Zusammenarbeit mit dem Kunden ein paar grundlegende Fragen zu klären:
Entwurf eines Typsystems in IBM Watson Knowledge Studio weiterlesen
Eines der interessanten neuen Werkzeuge die ich in meinem täglichen Arbeitsleben verwende ist das IBM Watson Knowledge Studio.
Mit dem Watson Knowledge Studio (kurz WKS) können wir domänenspezifisches Expertenwissen in eine für lernende Systeme verständliche Form bringen. Auf Basis dieses Wissen trainieren wir dann einen Algorithmus – Maschinelles Lernen – der dieses Wissen auf neuen, unbekannten Texten anwenden kann.
Ich kann damit also der Maschine beibringen welche Begriffe und Zusammenhänge in einem Text wichtig für mich sind. Ausgestattet mit diesem Wissen kann die Maschine dann zum Beispiel in sekundenschnelle tausende von Seiten für mich lesen und analysieren und mir gezielt die für mich relevanten Informationen präsentieren.
Leider gibt es wenig Informationen zum IBM Watson Knowledge Studio in Deutsch. Daher möchte ich in diesem und den folgenden Beiträgen beschreiben wie wir konkret in solchen Projekten vorgehen und auch ein paar Einblicke schaffen wie sich diese neue Vorgehensweise von früheren Textanalyseansätzen unterscheidet.
Maschinelles Lernen in der Praxis: IBM Watson Knowledge Studio weiterlesen